تعداد نشریات | 27 |
تعداد شمارهها | 364 |
تعداد مقالات | 3,222 |
تعداد مشاهده مقاله | 4,739,805 |
تعداد دریافت فایل اصل مقاله | 3,237,674 |
مقایسه مدلهای پراکنش گونهای در تعیین چشمانداز رویشگاه گونه پسته وحشی (Pistacia vera L.) در استان خراسان رضوی | ||
مدل سازی و مدیریت آب و خاک | ||
مقاله 6، دوره 3، شماره 4، 1402، صفحه 77-92 اصل مقاله (1.88 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22098/mmws.2022.11698.1160 | ||
نویسندگان | ||
جواد مومنی دمنه1؛ سیدمحمد تاج بخش* 2؛ جلیل احمدی3؛ علی اکبر صفدری4 | ||
1دکتری بیابانزدایی/ گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، هرمزگان، ایران | ||
2دانشیار/ گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند، ایران | ||
3دانشجوی دکتری علوم مرتع/ گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
4دانش آموخته کارشناسی ارشد/ گروه مهندسی منابع طبیعی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
چکیده | ||
تغییر اقلیم حاصل از فعالیتهای انسانی، با چنان سرعتی رخ میدهد که بسیاری از گونهها قادر به سازگاری با آن نخواهند بود. در واقع پیشبینی میشود در پایان قرن 21، بخش بزرگی از تنوع زیستی جهانی از بین برود. هدف تعیین گستره رشد گونه با قابلیت بهرهبرداری در استان خراسان رضوی در زمان حال و آینده است. بدینمنظور، 28 متغیر محیطی شامل خاکشناسی، توپوگرافی و اقلیمی بهعنوان متغیرهای مدلسازی مورد تحلیل همبستگی قرار گرفته و متغیرهای دارای همبستگی زیاد (بالای 80 درصد) حذف شدند. با توجه به وسعت زیاد منطقه، نمونهبرداری نقاط حضور، با بازدیدهای میدانی طی دوره زمانی 1401-1399 صورت پذیرفت. محدودههای مفید یا همان مناطق حضور قابل بهره برداری به شبکههای 1000×1000 متر تبدیل و از هر سلول یک نقطه حضور بهدست آمد. در مجموع 129 نقطه حضور از هشت منطقه قابل بهرهبرداری در استان بهدست آمد. سپس، کلیه دادههای محیطی منتخب و نقاط حضور در نرمافزار R با استفاده از مدلهای بسته بایومد 2 (Biomod2) برای تعیین روابط بین پوشش گیاهی و عوامل محیطی در مراتع استان خراسان رضوی پیشبینی شد. ارزیابی صحت مدلها با استفاده از شاخصهای KAPPA، TSS و ROC مورد بررسی قرار گرفت. بر اساس شاخصهای ارزیابی در زمان حال، مدل جنگل تصادفی با صحت 100 درصد و در زمان آینده با سناریوی 2.6 و 8.5 با صحت 0.982، 0.989 و 0.999 بهعنوان بهترین مدل مشخص شد. همچنین اهمیت نسبی در مدل برگزیده و متغیرهایی که بیشترین تأثیر را در توزیع جغرافیایی گونه پسته وحشی در زمان حال شامل جمع بارش سالیانه، تغییرات فصلی بارندگی و اجزاء واحد اراضی و در زمان آینده نیز تحت سناریوی اقلیمی 2.6 تأثیرگذارترین عوامل شامل مجموع بارش سالیانه، تغییرات فصلی بارندگی و مدل رقومی ارتفاع و در سناریوی اقلیمی 8.5 مهمترین عوامل شامل تغییرات فصلی بارندگی، جمع بارش سالیانه و جهت شیب داشتند. نتایج حاصل از بررسی اهمیت نسبی نشاندهنده تأثیر زیاد عوامل اقلیمی بر پراکنش این گونه است؛ بیشترین پراکنش گونه پسته وحشی در منطقه نوار شمال شرقی تا شرق استان خراسان گسترش دارد. نتایج حاصل از این پژوهش میتوان برای اصلاح و حفاظت و همچنین بهرهبرداری اقتصادی و گسترش رویشگاه گونه پسته وحشی استفاده نمود. | ||
کلیدواژهها | ||
تغییر اقلیم؛ توزیع جغرافیایی؛ مناطق خشک و نیمهخشک؛ مطلوبیت زیستگاه؛ WorldClim | ||
مراجع | ||
الماسیه، کامران، ذرتیپور، امین، و نگارش، کاظم (1399). بررسی مطلوبیت رویشگاه و طراحی ارتباطهای رویشگاهی گیاه مرتعی گل گندم بهبهانی (Centaurea pabotii) در جنوب غربی ایران بهعنوان مهاجم مزارع گندم. مرتع و آبخیزداری، 73(3)، 598-578. doi:10.22059/jrwm.2020.294764.1447 خواجه الدین، سید جمال الدین، و یگانه، حسن (1389). بررسی رابطة گونههای گیاهی منطقة شکار ممنوع کرکس با عوامل پستی و بلندی و اقلیم. مرتع، 4(3)، 380-391. ضرابی، مهدی، حقدادی، رسول، و یوسفی، حسین (1396). مدلسازی مطلوبیت رویشگاه پستة ارگانیک (وحشی) (Pistacia vera) با استفاده از روش آنتروپی حداکثر (MaxEnt) در منطقة جنگلی سرخس (زیرحوزة گنبدلی استان خراسان رضوی). اکوهیدرولوژی، 4(3)، 824-817. doi:10.22059/ije.2017.62636 عبدالهی، جلال، و نادری، حسین (1391). بررسی اثر متغیرهای توپوگرافی و خصوصیات فیزیکو-شیمیایی خاک بر نحوة عملکرد پارامترهای مؤثر بر رشد Artemisia sieberi در مراتع استپی ندوشن یزد. پژوهشهای آبخیزداری (پژوهش و سازندگی)، 25(4)، 62-52. قلینژاد، بهرام، جعفری، محمد، زارع چاهوکی، محمدعلی، آذرنیوند، حسین، و پوربابایی، حسن (1393). بررسی اثر عوامل محیطی و مدیریتی بر گسترش تیپهای گیاهی (مطالعة موردی: مراتع سارال استان کردستان). مرتع و آبخیزداری، 67(2)، 279-288. doi:10.22059/jrwm.2014.51832 مظفریان، ولی الله. (1394). شناخت گیاهان دارویی و معطر ایران. چاپ اول، نشر تهران فرهنگ معاصر، 1444 صفحه. مومنی دامنه، جواد، اسماعیلپور، یحیی، غلامی، حمید، و فراشی، آزیتا (1400). پیشبینی مناطق مناسب رویش گونة آنغوزه (Ferula assa-foetida L.) در شمال شرق ایران با استفاده از مدل بیشینه آنتروپی. تحقیقات مرتع و بیابان ایران، 28(3)، 578-592. doi:10.22092/ijrdr.2021.125016 مومنی دامنه، جواد، اسماعیلپور، یحیی، غلامی، حمید، و فراشی، آزیتا (1400). کاربرد مدل حداکثر آنتروپی در تعیین رویشگاه بالقوة گونه Astracantha gossypina (Fisch.) Podlech در شمال شرق ایران. حفاظت زیستبوم گیاهان، ۹(19)، ۲17-۲36. References Abdollahi, J., & Naderi, H. (2012). Soil and topographical variation influencing the growing factors of artemisia sieberi in steppic rangeland, Nodoushan-Yazd. Watershed Researchs (Research and Construction), 25(4), 52-62. [In Persian] Akihiko, I., & Hajima, T. (2020). Biogeophysical and biogeochemical impactsof land-use change simulated by MIROC-ES2L. Progress in Earth and Planetary Science, 7(1), 1-15. doi:10.1186/s40645-020-00372-w Almasieh, K., Zoratipour, A., & Negaresh, K. (2020). Habitat suitability and connectivity assessment for a range plant Behbahanian knapweed (Centaurea pabotii) in Southwest of Iran as an invader for wheat fields. Journal of Range and Watershed Managment, 73(3), 578-598. doi:10.22059/jrwm.2020.294764.1447 [In Persian] Arazi, S., & Sarhangzadeh, J. (2020). Habitat suitability of Francolinus francolinus in Sistan region. Journal of Environmental Science Studies, 5(4), 3115-3123. Ardestani, E.G., Tarkesh, M., Bassiri, M., &. Vahabi, M.R. (2015). Potential habitat modeling for reintroduction of three native plant species in central Iran. Journal of Arid Land, 7(3), 381- 390. doi:10.1007/s40333-014-0050-4 Barnes, P.W., & Harrison, A.T. (1982). Species distribution and community organization in a Nebraska Sandhills mixed prairie as influenced by plant/soil water relationships. Oecologia (Berlin), (52), 192–201. doi:10.1007/bf00363836 Bellard C., Bertelsmeier, C., Leadley, P., Thuiller, W., & Courchamp, F. (2012). Impacts of climate change on the future of biodiversity. Ecology Letters, 15(4), 365-377. Cheaib, A., Badeau, V., Boe, J., Chuine, I., Delire, C., Dufrene, E., Franc, C.,. Gritti, E.S, Legay, M. (2012). Climate change impacts on tree ranges: model intercomparison facilitates understanding and quantification of uncertainty. Ecology Letters, 15, 533–544. doi:10.1111/j.1461-0248.2012.01764.x Cheng, L., Lek, S., Lek-Ang, S., & Li, Z. (2012). Predicting fish assemblages and diversity in shallow lakes in the Yangtze River basin. Limnologica-Ecology and Management of Inland Waters, 42(2), 127-136. doi:10.1016/j.limno.2011.09.007 Diaz-Varela R.A., Colombo, R., Meroni, M., Calvo-Iglesias, M.S., Buffoni, A., & Tagliaferri, A. (2010). Spatio-temporal analysis of alpine ecotones: a spatial explicit model targeting altitudinal vegetation shifts. Ecological Modelling, 221, 621–633. doi:10.1016/j.ecolmodel.2009.11.010 Ernakovich, J.G., Hopping, K.A., Berdanier, A.B., Simpson, R.T., Kachergis, E.J., Steltzer, H., & Wallenstein, M.D. (2014). Predicted responses of arctic and alpine ecosystems to altered seasonality under climate change. Global Change Biology, 20, 3256–3269. doi:10.1111/gcb.12568 Esmaili, R., Montazeri, M., Esmaeilnejad, M., & Saber Truth, A. (2011). Climatic zoning of Khorasan Razavi using multivariate statistical methods. Climatology Research, 2(7-8), 43-56. Feeley, K.J., Silman, M.R., Bush, M.B., Farfan, W., Cabrera, K.G., Malhi, Y., Meir, P., Revilla, N.S., Quisiyupanqui, M.N.R., & Saatchi, S. (2011). Upslope migration of Andean trees. Journal of Biogeography, 38, 783–791. doi:10.1111/j.1365-2699.2010.02444.x Fielding, A.H., & Bell, J.F. (1997). A review of methods for the assessment of prediction errors in conservation presence/absence models. Journal of Environmental Conservation, 24 (2), 38-49. doi:10.1017/s0376892997000088 Flagmeier, M., Long, D.G., Genney, D.R., Hollingsworth, P.M., Ross, L.C., & Woodin, S.J. (2014). Fifty years of vegetation change in oceanic-montane liverwort-rich heath in Scotland. Plant Ecology Diversity, 7, 457– 470. Galton, F. (1892). Finger prints Macmillan. London, 216 pages. Gauch, H.G., & Whittaker, R.H. (1972). Coenocline simulation. Journal Ecology, (53), 446–451. doi:10.2307/1934231 Gholinejad, B., Jaffari, M., Zarechahuki, M.A., Azarnivand, H., & Pourbabaei, H. (2014). Environmental and managerial factors effects on plant species distribution (Case study: Saral rangelands of Kurdistan province). Journal of Range and Watershed Management, 67(2), 279-288. doi:10.22059/jrwm.2014.51832 [In Persian] Golestaneh, S.R., Karampour, F., & Farrar, N. (2012). Introduction of the destructive agents affecting wild almond Amygdalus scoparia forests in Koh-Siah Dashti area in Bushehr Province. Journal of Forest and Range Protection Research, 10, 153-164. Guisan, A., & Thuiller, W. (2005). Predicting species distribution: offering more than simple habitat models. Ecology Letters , 8, 993–1009. doi:10.1111/j.1461-0248.2005.00792.x Haidarian Aghakhani, M., Tamartash, R., Jafarian, Z., Tarkesh Esfahani, M., & Tatian, M. (2017). Forecasts of climate change effects on Amygdalus scoparia potential distribution by using ensemble modeling in Central Zagros. Journal of RS and GIS for Natural Resources, 8(3), 1-14. Heikkinen, R.K., Luoto, M., Araújo, M.B., Virkkala, R., Thuiller, W., & Sykes, M.T. (2006). Methods and uncertainties in bioclimatic envelope modelling under climate change. Progress in Physical Geography: Earth and Environment, 30(6), 751-777. doi:10.1177/0309133306071957 Helm, A., Hanski, I., & Pärtel, M. (2006). Slow response of plant species richness to habitat loss and fragmentation. Ecology letters, 9(1), 72-77. doi:10.1111/j.1461-0248.2005.00841.x Hirzel, A.H., & Guisan, A. (2002). Which is the optimal sampling strategy for habitat suitability modelling. Ecological Modelling, 157 (2–3), 331–341. doi:10.1016/s0304-3800(02)00203-x Jarvie, S., & Svenning, J.C. (2018). Using species distribution modelling to determine opportunities for trophic rewilding under future scenarios of climate change. Philosophical Transactions of the Royal Society B: Biological Sciences, 373(1761), 170-201. doi:10.1098/rstb.2017.0446 Khajeddin, S.J., & Yeganeh, H. (2010). The relationship between plant species in no-hunting area of vulture with postal and elevation factors and climate. Journal of Rangeland, 4(3), 380-391. [In Persian] Kumari, P., Wani, I.A., Khan, S., Verma, S., Mushtaq, S., Gulnaz, A., & Paray, B.A. (2022). Modeling of valeriana wallichii habitat suitability and niche dynamics in the Himalayan Region under anticipated climate change. Biology, 11, 498. doi:10.3390/biology11040498 Momeni Damaneh, J., Esmaeilpour, Y., Gholami, H., & Farashi, A. (2022). Prediction of potential habitats of Astracantha gossypina (Fisch.) Using the maximum entropy model in regional scale. Journal of Plant Ecosystem Conservation, 9(19), 217-236. [In Persian] Momeni Damaneh, J., Esmaeilpour, Y., Gholami, H., & Farashi, A. (2021). Properly predict the growth of (Ferula assa-foetida L.) in northeastern Iran using the maximum entropy model. Journal of Range and Desert Research of Iran, 28(3), 587-592. doi:10.22092/ijrdr.2021.125016 [In Persian] Mozzafarian, V. )2012(. Recognition of medicinal and aromatic plants of Iran. 1th Edition: Tehran Farhang-e Moaser publications, 1444 pages. [In Persian] Oksanen, J., & Minchin, P.R. (2002). Continuumtheory revisited: what shape are species responses along ecological gradients. Ecological Modelling, (157), 119–129. doi:10.1016/s0304-3800(02)00190-4 Pearson, R.G., Thuiller, W., Araújo, M.B., Martinez‐Meyer, E., Brotons, L., McClean, C., Miles, L., Segurado, P., Dawson, T.P., & Lees, D.C. (2006). Model‐based uncertainty in species range prediction. Journal of Biogeography, 33(10), 1704-1711. doi:10.1111/j.1365-2699.2006.01460.x Phillips, S.J., Anderson, R.P., & Schapire, R.E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling. 190 (3), 231-259. doi:10.1016/j.ecolmodel.2005.03.026 Piri Sahragard, M., Ajorlo, M., & Karami, P. (2020). Predicting impacts offuture climate change on the distribu-tion and ecological dimension of Amygdalus scoparia Spach. Italian Journal of Agrometeorology, (2), 117-130. Polechová, J., & Storch, D. (2008). Ecological Niche. Encyclopedia of Ecology, (2), 1088-1097. Sarhangzadeh, J. (2019). Habitat suitability modeling for Juniper (Juniperus foetidissima) in Arasbaran Biosphere Reserve. Journal of Forest Research and Development, 5(1), 93-112. Shrestha, U.B., Sharma, K.P., Devkota, A., Siwakoti, M., Shrestha, B.B. (2018). Potential impact of climate change on the distribution of six invasive alien plants in Nepal. Ecological Indicators, 95, 99-107. doi:10.1016/j.ecolind.2018.07.009 Smeeton, N.C. (1985). Early history of the kappa statistic. Biometrics, 41(3), 77-95. Sproull, G.J., Quigley, M.F., Sher, A., Gonzalez, E. (2015). Long-term changes in composition, diversity and distribution patterns in four herbaceous plant communities along an elevational gradient. Journal of Vegetation Science, 26, 552–563. doi:10.1111/jvs.12264 Stockwell, D., & Peters, D. (1999). The GARP modelling system: problems and solutions to automated spatial prediction. International Journal of Geographical Information Science, 13(2), 143–158. https://doi.org/10.1080/136588199241391 Swets, J.A. (1988). Measuring the accuracy of diagnostic systems. Science, 240(4857), 1285-1293. doi:10.1126/science.3287615 Thuiller, W. (2014). Editorial commentary on BIOMOD-optimizing predictions of species distributions and projecting potential future shifts under global change. Global change Biology, 20(12), 3591-3592. doi:10.1111/gcb.12728 Thuiller, W., Lafourcade, B., Engler, R., & Araújo, M.B. (2009). Biomod– a platform for ensemble forecasting of species distributions. Ecography, 32 (3), 369-373. doi:10.1111/j.1600-0587.2008.05742.x Vandermeer, J.H. (1972). Niche theory. Annual Review of Ecology and Systematics, (3), 107-132. Walther, G.R., Post. E., Convey, P., Menzel, A., Parmesan, C., Beebee, T.J., & Bairlein, F. (2002). Ecological responses to recent climate change. Nature, 416(6879), 389-395. Wiens, J.A., Stralberg, D., Jongsomjit, D., Howell, C.A., & Snyder, M.A. (2009). Niches, models, and climate change: assessing the assumptions and uncertainties. Proceedings National Academy Sciences USA, 106, 19729–19736. doi:10.1073/pnas.0901639106 Yi, Y.J., Cheng, X., Yang, Z.F., & Zhang, S.H.. (2016). Maxent modeling for predicting the potential distribution of endangered medicinal plant (H. riparia Lour) in Yunnan, China. Ecological Engineering, (92), 260-269. doi:10.1016/j.ecoleng.2016.04.010 Zarkami, R., Ahmadi, M., & Abedini, A. (2021). Habitat modeling of (eichhornia crassipes) in some wetlands of Guilan province. Journal of Plant Research, 34(2), 275-286. doi:10.1007/s13157-021-01405-w Zarrabi, M., Haqdadi, R., & Yousefi, H. (2017). Modeling desirability of organic pistachio habitat (Pistacia Vera) using maxent method in Sarakhs forest area (under Gonbadli basin of Khorasan Razavi province). Ecohydrology, 4(3), 817-824. doi:10.22059/ije.2017.62636 [In Persian] Zhang, X., Yuan, Y., Zhu, Z., Ma, Q., Yu, H., Li, M., Ma, J., Yi, S., He, X., & Sun, Y. (2021). Predicting the distribution of oxytropis ochrocephala bunge in the source region of the Yellow River (China) Based on UAV Sampling Data and Species Distribution Model. Remote Sensing, 13, 5129. doi:10.3390/rs13245129 | ||
آمار تعداد مشاهده مقاله: 649 تعداد دریافت فایل اصل مقاله: 649 |